POZYSKIWANIE I WYKORZYSTANIE DANYCH POGODOWYCH W KRAJOWYM SYSTEMIE WSPOMAGANIA DECYZJI W PRODUKCJI ROŚLINNEJ
|
|
- Kinga Górska
- 7 lat temu
- Przeglądów:
Transkrypt
1 Inżynieria Rolnicza 5(123)/2010 POZYSKIWANIE I WYKORZYSTANIE DANYCH POGODOWYCH W KRAJOWYM SYSTEMIE WSPOMAGANIA DECYZJI W PRODUKCJI ROŚLINNEJ Andrzej S. Zaliwski Zakład Agrometeorologii i Zastosowań Informatyki, Instytut Uprawy Nawożenia i Gleboznawstwa-Państwowy Instytut Badawczy w Puławach Streszczenie. Uzyskanie nowej informacji w Krajowym Systemie Wspomagania Decyzji w Produkcji Roślinnej wiąże się z automatyzacją pozyskiwania danych pogodowych. W systemie dane pogodowe są wykorzystywane do prezentacji aktualnego stanu pogody oraz do generowania nowych informacji w modelach. Przedstawiono zasadę agregacji danych i analizę modelu Prognoza negatywna pod względem przetwarzania danych. Model generuje nowe informacje przez porównanie informacji zawartych w uporządkowanych łańcuchach danych pogodowych z informacjami w łańcuchu danych wzorcowych. Słowa kluczowe: dane pogodowe, jakościowa teoria informacji, produkcja roślinna, system wspomagania decyzji Wprowadzenie Celem niniejszej pracy jest analiza procesów informacyjnych zachodzących przy pozyskiwaniu i przetwarzaniu danych w Krajowym systemie wspomagania decyzji w zakresie produkcji roślinnej (w skrócie SWDPR), opracowywanym w IUNG-PIB. Z punktu widzenia przetwarzania informacji najbardziej interesującym przedmiotem analizy są niewątpliwie wszelkie modele, ze względu na możliwość generowania nowych informacji. W systemie SWDPR wykorzystywane są m.in. meteorologiczne modele ochrony roślin. Są one najkorzystniejsze z punktu widzenia użytkownika, bowiem nie wymagają ręcznego wprowadzania wielu danych. Warunkiem ich praktycznej przydatności jest sieć automatycznych stacji agrometeorologicznych wyposażonych w czujniki do pozyskiwania wszystkich potrzebnych danych. Pozyskiwanie danych pogodowych Jednym z meteorologicznych modeli ochrony roślin w systemie SWDPR jest model ochrony ziemniaka przed zarazą ziemniaka o nazwie Prognoza negatywna (PN) [California PestCast 2005]. Model ten jest od kilku lat wykorzystywany w skali produkcyjnej w Polsce z dobrymi rezultatami [Rysak 2009]. Dane zasilające model PN to temperatura i wilgotność względna powietrza oraz suma opadów z pomiarów godzinowych. Ponieważ 311
2 Andrzej S. Zaliwski pomiary na stacjach agrometeorologicznych IUNG-PIB wykonywane są co 10 minut, pozyskanie danych dla modelu PN obejmuje agregację danych pomiarowych. Konieczna jest także zmiana ich formatu, co wynika z różnych struktur tabel, w których gromadzone są dane ze stacji i dane zasilające model PN (rys. 1). a) b) 10-Minutes_Data DateAndTime P T200 H :00: :10: :20: :30: :40: :50: T ab Hourly_Data StationID DateAndTime Code Value :00: :00: :00: Rys. 1. Fig. 1 Agregacja danych ze stacji agrometeorologicznej dla modelu Prognoza negatywna. Oznaczenia: a) dane 10-minutowe, b) dane godzinowe; P, T200, H200, Value - kolumny z wartościami elementów pogodowych, DateAndTime - data i czas pomiaru, StationID - indeksy stacji, Code - kody elementów pogodowych, T ab - transformacja danych przez agregację Aggregation of data from an agrometeorological station for the Negative prognosis model. Significance: a) 10-minutes data, b) hourly data; P, T200, H200, Value - columns with weather element values, DateAndTime - date and time of measurements, StationID - station indices, Code - weather element codes, T ab - data transformation by aggregation. Między tabelami 10-Minutes_Data i Hourly_Data (rys. 1) występują następujące różnice strukturalne. W tabeli 10-Minutes_Data wartości elementów pogodowych są przechowywane w osobnych kolumnach P, T200 i H200. Identyfikacja danych w przestrzeni geograficznej jest możliwa dzięki przypisaniu tabeli do konkretnej stacji. W tabeli Hourly_Data dane przechowywane są w jednej kolumnie Value, identyfikację danych w przestrzeni geograficznej zapewnia indeks stacji StationID, kod elementu pogodowego Code wskazuje, co oznacza wartość w kolumnie Value. Sposób identyfikacji danych na osi czasu jest podobny w obu przypadkach (jedyna różnica to inna częstotliwość pomiarów). W analizie procesów informacyjnych konieczne jest rozróżnienie pojęć dane i informacja. Dostępna literatura podaje różne określenia tych pojęć [np. Forlicz 2008; Jaros i Pabis 2007]. W niniejszej pracy analiza procesów informacyjnych jest przeprowadzona zgodnie z Jakościową teorią informacji [Mazur 1970], dlatego przez wzgląd na spójność wykładu przyjęto definicje analogiczne do podanych przez M. Mazura, zastępując termin komunikat terminem dana oraz tor sterujący terminem tor informacyjny. Daną można więc rozumieć jako stan fizyczny różniący się w określony sposób od innego stanu fizycznego, informacja natomiast jest to transformacja jednej danej w drugą daną w torze informacyjnym. Mazur rozróżnia dwa rodzaje transformacji, operacyjne (np. operacje arytmetyczne) i asocjacyjne (np. relacja jeden-do-jeden w bazie danych). 312
3 Pozyskiwanie i wykorzystanie... Na rys. 2 przedstawiono schemat przepływu danych między czujnikiem temperatury stacji agrometeorologicznej a systemem SWDPR w jednym torze informacyjnym (w rzeczywistości liczba torów informacyjnych odpowiada liczbie czujników). Schemat ten wyjaśnia pochodzenie danych w kolumnie T200 w tabeli 10-Minutes_Data (rys.1). Stany fizyczne czujnika (zmiany oporu elektrycznego pod wpływem temperatury otoczenia) są transformowane przy pomocy kodów k s1, k s3 na wartości liczbowe t s1, t s3. Kody k s1, k s3 (podobnie jak k b1, k s3 ) są transformacjami danych wzdłuż toru informacyjnego (tzn. nie w ramach jednego zbioru, ale pomiędzy zbiorami). Kody muszą być tak dobrane, aby informacje I m1 i I m2 uzyskane z danych w zbiorze M nadawały się do sterowania modelem zamiast informacji I c1 i I c2, które w chwili pracy modelu już nie istnieją. Zbiory S, B i M (rys.2) zawierają także dane t ps, t pb, t pm, których brak w zbiorze oryginałów - są to parametry stacji, bazy danych i modelu, dotyczące wielkości mierzonych. Rozpatrując np. wartości t s1, t s3 w połączeniu z danymi t ps uzyskujemy informację, że chodzi o temperatury chwilowe powietrza na wysokości 2m mierzone w C. Parametry, jako właściwości stałe wymienionych obiektów, nie muszą być każdorazowo przekazywane wzdłuż toru informacyjnego. S B M C t ps t pb t pm I p t c1 k s1 t s1 k b1 t b1 k m1 t m1 t c2 I c1 k s2 t s2 k b2 t b2 k m2 I m1 t m2 t c3 I c2 k s3 t s3 k b3 t b3 k m3 I m2 t m3 Rys. 2. Fig. 2. Przepływ danych w torze informacyjnym między czujnikiem stacji a modelem bez utraty informacji. Oznaczenia: C - zbiór oryginałów (temperatur czujnika), S - zbiór danych na wyjściu stacji, B - zbiór danych w bazie danych, M - zbiór danych na wejściu modelu, t ps, t pb, t pm - parametry stacji, bazy danych i modelu, {t c1, t c3 }, {t s1, t s3 }, {t b1, t b3 }, {t m1, t m3 } - temperatury, I p, I c1, I c2, I m1, I m2 - informacje, {k s1, k m3 } - kody Information-lossless data flow in sensor-model communication channel. Significance: C - originals set (sensor temperatures), S - data set at station output, B - data set in database, M - data set at model input, t ps, t pb, t pm - station, database and model parameters, {t c1, t c3 }, {t s1, t s3 }, {t b1, t b3 }, {t m1, t m3 } - temperatures, I p, I c1, I c2, I m1, I m2 - information, {k s1, k m3 } - codes 313
4 Andrzej S. Zaliwski Na rys. 2 nie uwzględniono daty i czasu pomiaru, generowanych przez zegar stacji, ani danych z innych czujników, a przedstawionych w tabelach na rys. 1a i 1b. W rzeczywistości wszystkie rodzaje danych płyną początkowo własnymi torami informacyjnymi i są dołączane do zbioru S. Następnie jednym cyfrowym torem informacyjnym przesyłane są do zbioru B, gdzie tworzone są rekordy danych pogodowych w tabeli 10-Minutes_Data. Data i czas pomiaru umożliwiają wybieranie i sortowanie zbioru rekordów przy tworzeniu łańcuchów danych zasilających model. Tor informacyjny pomiędzy bazą danych a modelem jest przerwany w celu zaznaczenia, że stacja nie zasila modelu bezpośrednio. Model NP bowiem nie pracuje w czasie rzeczywistym, ale wykorzystuje dane historyczne (obrazy danych oryginalnych w zbiorze B) od wschodów ziemniaka do ostatnich danych zapisanych w bazie danych. Z rys. 1 wynika, że zbiór danych 10-minutowych jest transformowany na zbiór danych godzinowych przy pomocy transformacji T ab redukującej liczebność danych. Redukcję taką można przeprowadzić wg różnych zasad, np. przez wybór jednej danej 10-minutowej z pomiarów z tej samej godziny z tabeli 10-Minutes_Data. 16,8 16,6 16,4 Temperatura [deg] 16,2 16,0 15,8 15,6 15,4 15,2 15,0 14, Czas [h] Rys. 3. Fig. 3 Przebieg temperatur 10-minutowych w czasie pięciu kolejnych godzin (wybrano odcinek czasowy o wyraźnych wahaniach temperatury) The course of 10-minutes temperatures in five consecutive hours (period of pronounced temperature variability was selected) Charakter zmian temperatury w ciągu godziny (rys. 3) wskazuje jednak na konieczność podejścia zapewniającego uwzględnienie wszystkich danych 10-minutowych (DM) wchodzących w zakres czasowy danej godzinowej (DG). W systemie SWDPR zastosowano agregację informacji przez uśrednienie. Zasadę przetwarzania informacji w procesie agregowania wyjaśnia rys. 4. Informacje 10-minutowe I 1, I 6 zawarte w zbiorze temperatur mierzonych {t 1, t 6 } w ciągu jednej godziny przez stację (zapisane w tabeli DM) zostają 314
5 Pozyskiwanie i wykorzystanie... zastąpione wartością średnią I p obliczoną przez program P. Mimo, że agregacja powoduje utratę części informacji (oprócz przypadków, gdy wszystkie dane w zbiorze {t 1, t 6 } są takie same), to jednak jedna dana wybrana arbitralnie z sześciu jest rozwiązaniem gorszym, zwłaszcza przy dużych chwilowych wahaniach temperatury (rys. 3). S DM t pb P DG t pb M t pm I 2 I 3 I4 I5 I6 I 1 t 1 t 2 I p t p1 I m t m1 t 3 t 4 t 5 t 6 Rys. 4. Agregacja danych. Oznaczenia: S - system SWDPR, DM - tabela danych 10-minutowych, t pb, t pm - parametry (jednostka temperatury 1 C), t 1, t 6 - temperatury 10-minutowe, I 1, I 6 - informacje 10-minutowe, P - program przetwarzający dane, DG - tabela danych godzinowych, t p1, t m1 - temperatury godzinowe (wynik agregacji), I p, I m - informacje utworzone z danych agregowanych, M - model Fig. 4. Data aggregation. Significance: S - PPDSS system, DM - table with 10-minutes data, t pb, t pm - parameters (1 C temperature unit), t 1, t 6-10-minutes temperatures, I 1, I 6-10-minutes information, P - data processing program, DG - table with hourly data, t p1, t m1 - hourly temperatures (result of aggregation), I p, I m - information created from data aggregated, M - model Wykorzystanie danych pogodowych Dane pogodowe w systemie SWDPR ( są wykorzystywane do prezentacji aktualnego stanu pogody (strona internetowa: Informacje o pogodzie - Stacje agrometeorologiczne) oraz są przetwarzane w modelach w celu uzyskania aktualnych informacji, w formie zaleceń, potrzebnych do podejmowania decyzji. Uzyskanie nowych informacji w systemie SWDPR wiąże się przede wszystkim z dopływem świeżych danych, bowiem algorytmy transformowania danych w informacje zmieniają się rzadziej. Zasadę uzyskiwania informacji przedstawiono na rys. 5 na przykładzie modelu Prognoza negatywna (M) systemu SWDPR (S). Dane świeże są przesyłane do modelu w postaci łańcuchów danych t, p, h, złożonych z godzinowych wartości elementów pogodowych. Początek każdego łańcucha musi odpowiadać dacie wschodów ziemniaka, koniec natomiast ostatniej danej w tabeli danych godzinowych Hourly_Data (przedstawionej na rys.1b). Pojedynczy łańcuch danych tworzony jest przez wybór danych odnoszących się do określonej stacji agrometeorologicznej (identyfikacja danych w przestrzeni geograficznej) oraz ich uporządkowanie wg daty w porządku rosnącym. Model 315
6 Andrzej S. Zaliwski transformuje dane zawarte w łańcuchach i dane w łańcuchu wzorców (w na rys. 5) na informacje dotyczące dobowych wartości ryzyka wystąpienia zarazy ziemniaka. Wartości te są dodawane do siebie i informacja ta jest porównywana ze wzorcem. Wynik porównania (łańcuch r na rys. 5) jest przesyłany do aplikacji internetowej, której zadaniem jest nadanie interpretacji słownej (utworzenie tekstu zalecenia w postaci łańcucha danych z) w zależności od informacji zawartej w łańcuchu r. Zalecenie to jest wyświetlane przez przeglądarkę użytkownika systemu SWDPR i może być wykorzystane w praktyce. S t p h M K w A AP z r DB i Rys. 5. Fig. 5. Generowanie nowych informacji w systemie SWDPR. Oznaczenia: S - system SWDPR, M - model, K - komparator, A - zbiór algorytmów i parametrów modelu, DB - baza danych systemu, AP - aplikacja internetowa, t, p, h, w, r, i, z - łańcuchy informacyjne odpowiednio: temperatury, opadów, wilgotności, w - wzorców modelu, r - ryzyka wystąpienia choroby, i - interpretacji ryzyka, z - zaleceń New information generation in the SWDPR (the National Decision Support System in Plant Production) system. Significance: S - SWDPR system, M - model, K - comparator, A - model algorithms and parameters set, DB - system database, AP - Internet application, t, p, h, w, r, i, z - data chains: temperature, precipitation, humidity, w - model standards, r - disease occurrence risk, i - risk interpretation, z - recommendations Podsumowanie Z punktu widzenia przetwarzania informacji do najbardziej interesujących elementów systemu SWDPR można zaliczyć te, które umożliwiają automatyczne generowanie nowych informacji. Uzyskanie nowych informacji wiąże się przede wszystkim z automatyzacją pozyskiwania danych pogodowych, bowiem wprowadzanie danych przez użytkownika jest ograniczone, a algorytmy przetwarzania danych zmieniają się rzadko. Elementami pozyskiwania danych są zmiana skali czasowej danych (agregacja) i ich gromadzenie. Zmniejszenie skali powoduje utratę części informacji, dlatego ważny jest wybór algorytmów zapewniających możliwie najlepszą jakość informacji zagregowanych. 316
7 Pozyskiwanie i wykorzystanie... W systemie SWDPR dane pogodowe są wykorzystywane do prezentacji aktualnego stanu pogody oraz do generowania nowych informacji w modelach. Model Prognoza negatywna analizowano pod względem przetwarzania danych. Pracuje on na zasadzie porównania informacji zawartych w łańcuchach danych wejściowych z informacjami wzorcowymi. Bibliografia Forlicz S Informacja w biznesie. Wyd. PWE. Warszawa. ISBN Jaros M., Pabis S Inżynieria systemów. Wyd. SGGW. Warszawa. ISBN Mazur M Jakościowa teoria informacji. WNT. Warszawa. [Dostęp ]. Dostępny w Internecie: Rysak W Praktyczne zastosowanie systemu wspomagania decyzji w ochronie ziemniaka na terenie województwa lubelskiego. Studia i Raporty IUNG-PIB. z.16: [Dostęp ]. Dostępny w Internecie: California PestCast Models: Late Blight of Potato. Statewide IPM Program, Agriculture and Natural Resources. University of California. [Dostęp ]. Dostępny w Internecie: Publikacja opracowana w ramach zadania 2.9 programu wieloletniego Kształtowanie środowiska rolniczego Polski oraz zrównoważony rozwój produkcji rolniczej ACQUISITION AND USE OF WEATHER DATA IN THE NATIONAL SYSTEM OF DECISION SUPPORT IN PLANT PRODUCTION Abstract. The obtaining of new information in the National System of Decision Support in Plant Production is connected with the automation of obtaining of weather data. Weather data in the system are used for presentation of the current weather and for generation of new information in models. The data aggregation rule and the analysis of the Negative forecast model were presented in terms of data processing. The model generates new information by comparing information contained in ordered weather data chains with information in the standard data chain. Key words: weather data, quality theory of information, plant production, decision support system Adres do korespondencji: Andrzej Zaliwski; andrzej.zaliwski@iung.pulawy.pl Zakład Agrometeorologii i Zastosowań Informatyki Instytut Uprawy Nawożenia i Gleboznawstwa - Państwowy Instytut Badawczy ul. Czartoryskich Puławy 317
WALIDACJA SYSTEMU WSPOMAGANIA DECYZJI ZEASOFT MODELE PLONÓW
Inżynieria Rolnicza 7(125)/2010 WALIDACJA SYSTEMU WSPOMAGANIA DECYZJI ZEASOFT MODELE PLONÓW Andrzej S. Zaliwski, Anna Nieróbca Zakład Agrometeorologii i Zastosowań Informatyki Instytut Uprawy Nawożenia
Bardziej szczegółowoModel Agroklimatu Polski jako moduł ZSI RPP
Andrzej Zaliwski, Tadeusz Górski IUNG Puławy, Zakład Agrometeorologii i Zastosowań Informatyki Model Agroklimatu Polski jako moduł ZSI RPP W latach 1998-2000 w Instytucie Uprawy Nawożenia i Gleboznawstwa
Bardziej szczegółowoOGÓLNA KONCEPCJA KRAJOWEGO SYSTEMU WSPOMAGANIA DECYZJI W ZAKRESIE PRODUKCJI ROŚLINNEJ
Inżynieria Rolnicza 6(115)/2009 OGÓLNA KONCEPCJA KRAJOWEGO SYSTEMU WSPOMAGANIA DECYZJI W ZAKRESIE PRODUKCJI ROŚLINNEJ Andrzej S. Zaliwski Zakład Agrometeorologii i Zastosowań Informatyki Instytut Uprawy
Bardziej szczegółowoModuł meteorologiczny w serwisie CRIS
Zintegrowana strategia zrównoważonego zarządzania wodami w zlewni Moduł meteorologiczny w serwisie CRIS Czesław Kliś Instytut Ekologii Terenów Uprzemysłowionych Projekt finansowany ze środków funduszy
Bardziej szczegółowoOracle11g: Wprowadzenie do SQL
Oracle11g: Wprowadzenie do SQL OPIS: Kurs ten oferuje uczestnikom wprowadzenie do technologii bazy Oracle11g, koncepcji bazy relacyjnej i efektywnego języka programowania o nazwie SQL. Kurs dostarczy twórcom
Bardziej szczegółowoOPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI
Inżynieria Rolnicza 6(131)/2011 OPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI Leonard Woroncow, Ewa Wachowicz Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy przedstawiono wyniki
Bardziej szczegółowoKOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK
Inżynieria Rolnicza 8(117)/2009 KOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK Ewa Wachowicz, Piotr Grudziński Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy
Bardziej szczegółowoZintegrowanego Systemu
Zintegrowany System Informacji o Zlewni - CRIS Dane meteorologiczne dla Zintegrowanego Systemu Informacji o Zlewni CRIS dr Czesław Kliś Instytut Ekologii Terenów Uprzemysłowionych w Katowicach Projekt
Bardziej szczegółowoKOMPUTEROWE WSPOMAGANIE CHEMICZNEJ OCHRONY ROŚLIN PRZY POMOCY PROGRAMU HERBICYD-2
Inżynieria Rolnicza 6(94)/2007 KOMPUTEROWE WSPOMAGANIE CHEMICZNEJ OCHRONY ROŚLIN PRZY POMOCY PROGRAMU HERBICYD-2 Michał Cupiał Katedra Inżynierii Rolniczej i Informatyki, Akademia Rolnicza w Krakowie Streszczenie.
Bardziej szczegółowo4. EKSPLOATACJA UKŁADU NAPĘD ZWROTNICOWY ROZJAZD. DEFINICJA SIŁ W UKŁADZIE Siła nastawcza Siła trzymania
3 SPIS TREŚCI Przedmowa... 11 1. WPROWADZENIE... 13 1.1. Budowa rozjazdów kolejowych... 14 1.2. Napędy zwrotnicowe... 15 1.2.1. Napęd zwrotnicowy EEA-4... 18 1.2.2. Napęd zwrotnicowy EEA-5... 20 1.3. Współpraca
Bardziej szczegółowoDane pomiarowo-obserwacyjne pozyskiwane z sieci stacji hydrologicznych i meteorologicznych państwowej służby hydrologicznometeorologicznej
Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy Dane pomiarowo-obserwacyjne pozyskiwane z sieci stacji hydrologicznych i meteorologicznych państwowej służby hydrologicznometeorologicznej
Bardziej szczegółowoKomputerowe systemy pomiarowe. Dr Zbigniew Kozioł - wykład Mgr Mariusz Woźny - laboratorium
Komputerowe systemy pomiarowe Dr Zbigniew Kozioł - wykład Mgr Mariusz Woźny - laboratorium 1 - Cel zajęć - Orientacyjny plan wykładu - Zasady zaliczania przedmiotu - Literatura Klasyfikacja systemów pomiarowych
Bardziej szczegółowoSkutki zmian klimatycznych dla rolnictwa w Polsce sposoby adaptacji
Zmiany klimatyczne a rolnictwo w Polsce ocena zagrożeń i sposoby adaptacji Warszawa, 30.09.2009 r. Skutki zmian klimatycznych dla rolnictwa w Polsce sposoby adaptacji Katarzyna Mizak Instytut Uprawy Nawożenia
Bardziej szczegółowoWPŁYW AKTUALIZACJI NIEKTÓRYCH WSKAŹNIKÓW EKSPLOATACYJNO-EKONOMICZNYCH NA KOSZTY EKSPLOATACJI CIĄGNIKÓW ROLNICZYCH NOWEJ GENERACJI
Inżynieria Rolnicza 2(100)/2008 WPŁYW AKTUALIZACJI NIEKTÓRYCH WSKAŹNIKÓW EKSPLOATACYJNO-EKONOMICZNYCH NA KOSZTY EKSPLOATACJI CIĄGNIKÓW ROLNICZYCH NOWEJ GENERACJI Zenon Grześ Instytut Inżynierii Rolniczej,
Bardziej szczegółowoANALIZA ZALEŻNOŚCI POMIĘDZY CECHAMI DIELEKTRYCZNYMI A WŁAŚCIWOŚCIAMI CHEMICZNYMI MĄKI
Inżynieria Rolnicza 5(103)/2008 ANALIZA ZALEŻNOŚCI POMIĘDZY CECHAMI DIELEKTRYCZNYMI A WŁAŚCIWOŚCIAMI CHEMICZNYMI MĄKI Deta Łuczycka, Leszek Romański Instytut Inżynierii Rolniczej, Uniwersytet Przyrodniczy
Bardziej szczegółowoMETODYKA BADAŃ MAŁYCH SIŁOWNI WIATROWYCH
Inżynieria Rolnicza 2(100)/2008 METODYKA BADAŃ MAŁYCH SIŁOWNI WIATROWYCH Krzysztof Nalepa, Maciej Neugebauer, Piotr Sołowiej Katedra Elektrotechniki i Energetyki, Uniwersytet Warmińsko-Mazurski w Olsztynie
Bardziej szczegółowoKATALOG MASZYN I POJAZDÓW ROLNICZYCH MASZYNY-3
Inżynieria Rolnicza 9(118)/2009 KATALOG MASZYN I POJAZDÓW ROLNICZYCH MASZYNY-3 Michał Cupiał Instytut Inżynierii Rolniczej i Informatyki, Uniwersytet Rolniczy w Krakowie Streszczenie. Przedstawiono internetową
Bardziej szczegółowoLaboratorium Internetu Rzeczy. mgr inż. Piotr Gabryszak mgr inż. Przemysław Hanicki dr hab. inż. Jarogniew Rykowski
Laboratorium Internetu Rzeczy mgr inż. Piotr Gabryszak mgr inż. Przemysław Hanicki dr hab. inż. Jarogniew Rykowski Internet Rzeczy 2010-04-06 2 Rzeczy i człowiek 2010-04-06 3 Internet Rzeczy 2010-04-06
Bardziej szczegółowoInformatyka studia stacjonarne pierwszego stopnia
#382 #379 Internetowy system obsługi usterek w sieciach handlowych (The internet systems of detection of defects in trade networks) Celem pracy jest napisanie aplikacji w języku Java EE. Główne zadania
Bardziej szczegółowoWykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz.
14.12.2005 r. Wykorzystanie nowoczesnych technik prognozowania popytu i zarządzania zapasami do optymalizacji łańcucha dostaw na przykładzie dystrybucji paliw cz. 2 3.2. Implementacja w Excelu (VBA for
Bardziej szczegółowoDr Michał Tanaś(http://www.amu.edu.pl/~mtanas)
Dr Michał Tanaś(http://www.amu.edu.pl/~mtanas) Cechy systemu wczesnego ostrzegania i monitoringu Zbieranie i analiza danych w czasie rzeczywistym Systemy przewidywania zjawisk Rozmieszczenie czujników
Bardziej szczegółowoWyznaczanie natężenia deszczów obliczeniowych w Niemczech na podstawie atlasu KOSTRA.
Wyznaczanie natężenia deszczów obliczeniowych w Niemczech na podstawie atlasu KOSTRA. Dr inż. Roman Edel PLAN PREZENTACJI Wyznaczanie natężenia deszczu w Niemczech w drugiej połowie XX wieku Podstawy i
Bardziej szczegółowoWspółpraca FDS z arkuszem kalkulacyjnym
Współpraca FDS z arkuszem kalkulacyjnym 1. Wstęp: Program Pyrosim posiada możliwość bezpośredniego podglądu wykresów uzyskiwanych z urządzeń pomiarowych. Wszystkie wykresy wyświetlane są jako plik graficzny
Bardziej szczegółowoProjektowanie oprogramowania cd. Projektowanie oprogramowania cd. 1/34
Projektowanie oprogramowania cd. Projektowanie oprogramowania cd. 1/34 Projektowanie oprogramowania cd. 2/34 Modelowanie CRC Modelowanie CRC (class-responsibility-collaborator) Metoda identyfikowania poszczególnych
Bardziej szczegółowoCel przedmiotu. Wymagania wstępne w zakresie wiedzy, umiejętności i innych kompetencji 1 Język angielski 2 Inżynieria oprogramowania
Przedmiot: Bazy danych Rok: III Semestr: V Rodzaj zajęć i liczba godzin: Studia stacjonarne Studia niestacjonarne Wykład 30 21 Ćwiczenia Laboratorium 30 21 Projekt Liczba punktów ECTS: 4 C1 C2 C3 Cel przedmiotu
Bardziej szczegółowoAlgorytmy równoległe: ocena efektywności prostych algorytmów dla systemów wielokomputerowych
Algorytmy równoległe: ocena efektywności prostych algorytmów dla systemów wielokomputerowych Rafał Walkowiak Politechnika Poznańska Studia inżynierskie Informatyka 2014/15 Znajdowanie maksimum w zbiorze
Bardziej szczegółowoDr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji
Automatyzacja i Robotyzacja Procesów Produkcyjnych Dr hab. inż. Jan Duda Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Podstawowe pojęcia Automatyka Nauka o metodach i układach sterowania
Bardziej szczegółowoMODELOWANIE SIECI DYSTRYBUCYJNEJ DO OBLICZEŃ STRAT ENERGII WSPOMAGANE SYSTEMEM ZARZĄDZANIA MAJĄTKIEM SIECIOWYM
Katedra Systemów, Sieci i Urządzeń Elektrycznych MODELOWANIE SIECI DYSTRYBUCYJNEJ DO OBLICZEŃ STRAT ENERGII Dariusz Jeziorny, Daniel Nowak TAURON Dystrybucja S. A. Barbara Kaszowska, Andrzej Włóczyk Politechnika
Bardziej szczegółowoZAPOTRZEBOWANIE NA PROGRAMY KOMPUTEROWE W ROLNICTWIE NA PRZYKŁADZIE GOSPODARSTW WOJEWÓDZTWA MAŁOPOLSKIEGO
Inżynieria Rolnicza 9(107)/2008 ZAPOTRZEBOWANIE NA PROGRAMY KOMPUTEROWE W ROLNICTWIE NA PRZYKŁADZIE GOSPODARSTW WOJEWÓDZTWA MAŁOPOLSKIEGO Michał Cupiał Katedra Inżynierii Rolniczej i Informatyki, Uniwersytet
Bardziej szczegółowoMODEL ROZWOJU MĄCZNIAKA RZEKOMEGO (PSEUDOPERONOSPORA HUMULI) APLIKACJA INTERNETOWA *
I N Ż YNIERIA R OLNICZA A GRICULTURAL E NGINEERING 2012: Z. 4(139) T.1 S. 457-464 ISSN 1429-7264 Polskie Towarzystwo Inżynierii Rolniczej http://www.ptir.org MODEL ROZWOJU MĄCZNIAKA RZEKOMEGO (PSEUDOPERONOSPORA
Bardziej szczegółowoOPORY PRZEPŁYWU PRZEWODÓW WENTYLACYJNYCH
ĆWICZENIE II OPORY PRZEPŁYWU PRZEWODÓW WENTYLACYJNYCH 1. CEL ĆWICZENIA Celem ćwiczenia jest zapoznanie się z metodą określania oporów przepływu w przewodach. 2. LITERATURA 1. Informacje z wykładów i ćwiczęń
Bardziej szczegółowoRozszerzenie zmysłów poprzez komputer pomiary termiczne, optyczne i elektryczne
Rozszerzenie zmysłów poprzez komputer pomiary termiczne, optyczne i elektryczne Mario Gervasio, Marisa Michelini, Rossana Viola Research Unit in Physics Education, University of Udine, Italy Streszczenie:
Bardziej szczegółowoWYKORZYSTANIE KOMPUTERÓW W WYBRANYCH GOSPODARSTWACH RODZINNYCH LUBELSZCZYZNY
Inżynieria Rolnicza 7(105)/2008 WYKORZYSTANIE KOMPUTERÓW W WYBRANYCH GOSPODARSTWACH RODZINNYCH LUBELSZCZYZNY Sławomir Kocira, Edmund Lorencowicz Katedra Eksploatacji Maszyn i Zarządzania w Inżynierii Rolniczej,
Bardziej szczegółowoNOWOCZESNE TECHNOLOGIE ENERGETYCZNE Rola modelowania fizycznego i numerycznego
Politechnika Częstochowska Katedra Inżynierii Energii NOWOCZESNE TECHNOLOGIE ENERGETYCZNE Rola modelowania fizycznego i numerycznego dr hab. inż. Zbigniew BIS, prof P.Cz. dr inż. Robert ZARZYCKI Wstęp
Bardziej szczegółowoSPITSBERGEN HORNSUND
Polska Stacja Polarna Instytut Geofizyki Polska Akademia Nauk Polish Polar Station Institute of Geophysics Polish Academy of Sciences BIULETYN METEOROLOGICZNY METEOROLOGICAL BULLETIN SPITSBERGEN HORNSUND
Bardziej szczegółowoKARTA PRZEDMIOTU. 1) Nazwa przedmiotu: INŻYNIERIA SYSTEMÓW I ANALIZA SYSTEMOWA. 2) Kod przedmiotu: ROZ-L3-20
Z1-PU7 WYDANIE N2 Strona: 1 z 5 (pieczęć wydziału) KARTA PRZEDMIOTU 1) Nazwa przedmiotu: INŻYNIERIA SYSTEMÓW I ANALIZA SYSTEMOWA 3) Karta przedmiotu ważna od roku akademickiego: 2014/2015 2) Kod przedmiotu:
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowoWpływ czynników atmosferycznych na zmienność zużycia energii elektrycznej Influence of Weather on the Variability of the Electricity Consumption
Wpływ czynników atmosferycznych na zmienność zużycia energii elektrycznej Influence of Weather on the Variability of the Electricity Consumption Wojciech Zalewski Politechnika Białostocka, Wydział Zarządzania,
Bardziej szczegółowoCECHY TECHNICZNO-UŻYTKOWE A WARTOŚĆ WYBRANYCH TECHNICZNYCH ŚRODKÓW PRODUKCJI W ROLNICTWIE
Inżynieria Rolnicza 9(107)/2008 CECHY TECHNICZNO-UŻYTKOWE A WARTOŚĆ WYBRANYCH TECHNICZNYCH ŚRODKÓW PRODUKCJI W ROLNICTWIE Zbigniew Kowalczyk Katedra Inżynierii Rolniczej i Informatyki, Uniwersytet Rolniczy
Bardziej szczegółowoSPITSBERGEN HORNSUND
Polska Stacja Polarna Instytut Geofizyki Polska Akademia Nauk Polish Polar Station Institute of Geophysics Polish Academy of Sciences BIULETYN METEOROLOGICZNY METEOROLOGICAL BULLETIN SPITSBERGEN HORNSUND
Bardziej szczegółowoZadania semestralne. Programowanie obiektowe sem. II, lato 2014/2015
Programowanie obiektowe sem. II, lato 2014/2015 Zadania semestralne Założenia wspólne dla wszystkich tematów W programie muszą być zastosowane następujące techniki i technologie obiektowe: 1. kapsułkowanie,
Bardziej szczegółowoPrzestrzenne bazy danych Podstawy języka SQL
Przestrzenne bazy danych Podstawy języka SQL Stanisława Porzycka-Strzelczyk porzycka@agh.edu.pl home.agh.edu.pl/~porzycka Konsultacje: wtorek godzina 16-17, p. 350 A (budynek A0) 1 SQL Język SQL (ang.structured
Bardziej szczegółowoInstrukcja obsługi systemu teleinformatycznego
Instrukcja obsługi systemu teleinformatycznego I. WSTĘP 1. Dostęp do systemu teleinformatycznego udostępniania danych przez strony WWW: a) na stronie www.pogodynka.pl zostały podane linki przenoszące na
Bardziej szczegółowoOCENA WYKORZYSTANIA CIĄGNIKÓW ROLNICZYCH W GOSPODARSTWACH RODZINNYCH
Inżynieria Rolnicza 9(134)/2011 OCENA WYKORZYSTANIA CIĄGNIKÓW ROLNICZYCH W GOSPODARSTWACH RODZINNYCH Krzysztof Kapela, Szymon Czarnocki Katedra Ogólnej Uprawy Roli, Roślin i Inżynierii Rolniczej, Uniwersytet
Bardziej szczegółowoKOSZTY UŻYTKOWANIA MASZYN W STRUKTURZE KOSZTÓW PRODUKCJI ROŚLINNEJ W WYBRANYM PRZEDSIĘBIORSTWIE ROLNICZYM
Inżynieria Rolnicza 13/2006 Zenon Grześ, Ireneusz Kowalik Instytut Inżynierii Rolniczej Akademia Rolnicza w Poznaniu KOSZTY UŻYTKOWANIA MASZYN W STRUKTURZE KOSZTÓW PRODUKCJI ROŚLINNEJ W WYBRANYM PRZEDSIĘBIORSTWIE
Bardziej szczegółowoOPORY PRZEPŁYWU PRZEWODÓW WENTYLACYJNYCH
ĆWICZENIE II OPORY PRZEPŁYWU PRZEWODÓW WENTYLACYJNYCH 1. CEL ĆWICZENIA Celem ćwiczenia jest zapoznanie się z metodą określania oporów przepływu w przewodach. 2. LITERATURA 1. Informacje z wykładów i ćwiczeń
Bardziej szczegółowoECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 6.0
ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 6.0 Przeznaczenie Sylabusa Dokument ten zawiera szczegółowy Sylabus dla modułu ECDL/ICDL Użytkowanie baz danych. Sylabus opisuje zakres wiedzy
Bardziej szczegółowoWYBÓR PUNKTÓW POMIAROWYCH
Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika
Bardziej szczegółowoQUERY język zapytań do tworzenia raportów w AS/400
QUERY język zapytań do tworzenia raportów w AS/400 Dariusz Bober Katedra Informatyki Politechniki Lubelskiej Streszczenie: W artykule przedstawiony został język QUERY, standardowe narzędzie pracy administratora
Bardziej szczegółowoTechnologia informacyjna
Technologia informacyjna Pracownia nr 9 (studia stacjonarne) - 05.12.2008 - Rok akademicki 2008/2009 2/16 Bazy danych - Plan zajęć Podstawowe pojęcia: baza danych, system zarządzania bazą danych tabela,
Bardziej szczegółowoDefinicja i funkcje Systemów Informacji Geograficznej
Definicja i funkcje Systemów Informacji Geograficznej Mateusz Malinowski Anna Krakowiak-Bal Kraków 17 marca 2014 r. Systemy Informacji Geograficznej są traktowane jako zautomatyzowana sieć funkcji, czyli
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Algorytmy i programowanie Algorithms and Programming Kierunek: Zarządzanie i Inżynieria Produkcji Rodzaj przedmiotu: kierunkowy Poziom studiów: studia I stopnia forma studiów: studia
Bardziej szczegółowoWIZUALIZACJA DANYCH POMIAROWYCH MIERNIKA ZAPYLENIA POWIETRZA AMIZ 2000 PRZY UŻYCIU PROGRAMU LabVIEW
WIZUALIZACJA DANYCH POMIAROWYCH MIERNIKA ZAPYLENIA POWIETRZA AMIZ 2000 PRZY UŻYCIU PROGRAMU LabVIEW Adrian Jakowiuk Instytut Chemii i Techniki Jądrowej, Warszawa CM CM O CM O Abstract APPLICATION OF THE
Bardziej szczegółowoINSTYTUT METEOROLOGII I GOSPODARKI WODNEJ INSTITUTE OF METEOROLOGY AND WATER MANAGEMENT. TYTUŁ : Dane agrometeorologiczne w modelu SWAT
INSTYTUT METEOROLOGII I GOSPODARKI WODNEJ INSTITUTE OF METEOROLOGY AND WATER MANAGEMENT TYTUŁ : Dane agrometeorologiczne w modelu SWAT AUTOR: Danuta Kubacka, Urszula Opial - Gałuszka DATA: 23.03.2009 Dane
Bardziej szczegółowoInstytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny Politechnika Śląska
Instytut Mechaniki i Inżynierii Obliczeniowej www.imio.polsl.pl fb.com/imiopolsl @imiopolsl Wydział Mechaniczny Technologiczny Politechnika Śląska Laboratorium 1 Wprowadzenie, podstawowe informacje o obsłudze
Bardziej szczegółowoROZKŁAD POPRZECZNY CIECZY DLA ROZPYLACZY SYNGENTA POTATO NOZZLE
Inżynieria Rolnicza 9(97)/2007 ROZKŁAD POPRZECZNY CIECZY DLA ROZPYLACZY SYNGENTA POTATO NOZZLE Adam Lipiński, Dariusz Choszcz, Stanisław Konopka Katedra Maszyn Roboczych i Procesów Separacji, Uniwersytet
Bardziej szczegółowoOCENA JAKOŚCI DOSTAWY ENERGII ELEKTRYCZNEJ
OCENA JAKOŚCI DOSTAWY ENERGII ELEKTRYCZNEJ dr inż. KRZYSZTOF CHMIELOWIEC KATEDRA ENERGOELEKTRONIKI I AUTOMATYKI SYSTEMÓW PRZETWARZANIA ENERGII AGH KRAKÓW PODSTAWY PRAWNE WSKAŹNIKI JAKOŚCI ANALIZA ZDARZEŃ
Bardziej szczegółowoAutomatyka przemysłowa na wybranych obiektach. mgr inż. Artur Jurneczko PROCOM SYSTEM S.A., ul. Stargardzka 8a, 54-156 Wrocław
Automatyka przemysłowa na wybranych obiektach mgr inż. Artur Jurneczko PROCOM SYSTEM S.A., ul. Stargardzka 8a, 54-156 Wrocław 2 Cele prezentacji Celem prezentacji jest przybliżenie automatyki przemysłowej
Bardziej szczegółowoLiteratura: SQL Ćwiczenia praktyczne Autor: Marcin Lis Wydawnictwo: Helion. Autor: Joanna Karwowska
Literatura: SQL Ćwiczenia praktyczne Autor: Marcin Lis Wydawnictwo: Helion Autor: Joanna Karwowska SQL zapewnia obsługę: zapytań - wyszukiwanie danych w bazie, operowania danymi - wstawianie, modyfikowanie
Bardziej szczegółowoEgzamin / zaliczenie na ocenę* 0,5 0,5
Zał. nr 4 do ZW 33/01 WYDZIAŁ INFORMATYKI I ZARZĄDZANIA KARTA PRZEDMIOTU Nazwa w języku polskim: Technologia przetwarzania danych Nazwa w języku angielskim: Data processing technology Kierunek studiów
Bardziej szczegółowoKurs Zaawansowany S7. Spis treści. Dzień 1
Spis treści Dzień 1 I Konfiguracja sprzętowa i parametryzacja stacji SIMATIC S7 (wersja 1211) I-3 Dlaczego powinna zostać stworzona konfiguracja sprzętowa? I-4 Zadanie Konfiguracja sprzętowa I-5 Konfiguracja
Bardziej szczegółowoWPŁYW OBRÓBKI TERMICZNEJ ZIEMNIAKÓW NA PRĘDKOŚĆ PROPAGACJI FAL ULTRADŹWIĘKOWYCH
Wpływ obróbki termicznej ziemniaków... Arkadiusz Ratajski, Andrzej Wesołowski Katedra InŜynierii Procesów Rolniczych Uniwersytet Warmińsko-Mazurski w Olsztynie WPŁYW OBRÓBKI TERMICZNEJ ZIEMNIAKÓW NA PRĘDKOŚĆ
Bardziej szczegółowoSekcja I: Instytucja zamawiająca/podmiot zamawiający
Unia Europejska Publikacja Suplementu do Dziennika Urzędowego Unii Europejskiej 2, rue Mercier, 2985 Luxembourg, Luksemburg Faks: +352 29 29 42 670 E-mail: ojs@publications.europa.eu Informacje i formularze
Bardziej szczegółowoHurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH
Wstęp. Architektura hurtowni. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH B. Inmon, 1996: Hurtownia to zbiór zintegrowanych, nieulotnych, ukierunkowanych
Bardziej szczegółowoPOMIAR HAŁASU ZEWNĘTRZNEGO SAMOLOTÓW ŚMIGŁOWYCH WG PRZEPISÓW FAR 36 APPENDIX G I ROZDZ. 10 ZAŁ. 16 KONWENCJI ICAO
POMIAR HAŁASU ZEWNĘTRZNEGO SAMOLOTÓW ŚMIGŁOWYCH WG PRZEPISÓW FAR 36 APPENDIX G I ROZDZ. 10 ZAŁ. 16 KONWENCJI ICAO Piotr Kalina Instytut Lotnictwa Streszczenie W referacie przedstawiono wymagania oraz zasady
Bardziej szczegółowoOCENA WYBRANYCH CECH JAKOŚCI MROŻONEK ZA POMOCĄ AKWIZYCJI OBRAZU
Inżynieria Rolnicza 4(129)/2011 OCENA WYBRANYCH CECH JAKOŚCI MROŻONEK ZA POMOCĄ AKWIZYCJI OBRAZU Katarzyna Szwedziak, Dominika Matuszek Katedra Techniki Rolniczej i Leśnej, Politechnika Opolska Streszczenie:
Bardziej szczegółowoProjekt Analiza funkcjonowania bibliotek naukowych w Polsce (AFBN) jako narzędzie oceny efektywności i jakości działań biblioteczno-informacyjnych
III Konferencja Biblioteki Politechniki Łódzkiej, 25 27.06.2008 Biblioteki w procesie dydaktycznym i badaniach naukowych Projekt Analiza funkcjonowania bibliotek naukowych w Polsce (AFBN) jako narzędzie
Bardziej szczegółowoECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0
ECDL/ICDL Użytkowanie baz danych Moduł S1 Sylabus - wersja 5.0 Przeznaczenie Sylabusa Dokument ten zawiera szczegółowy Sylabus dla modułu ECDL/ICDL Użytkowanie baz danych. Sylabus opisuje zakres wiedzy
Bardziej szczegółowoPROGRAM DLA ROLNICTWA W WERSJI INSTALOWANEJ I INTERNETOWEJ NA PRZYKŁADZIE APLIKACJI PLANTENE I PLANTENE-2
Inżynieria Rolnicza 1(110)/2009 PROGRAM DLA ROLNICTWA W WERSJI INSTALOWANEJ I INTERNETOWEJ NA PRZYKŁADZIE APLIKACJI PLANTENE I PLANTENE-2 Michał Cupiał Katedra Inżynierii Rolniczej i Informatyki, Uniwersytet
Bardziej szczegółowoInżynieria Rolnicza 3(121)/2010
Inżynieria Rolnicza 3(121)/2010 METODA OCENY NOWOCZESNOŚCI TECHNICZNO- -KONSTRUKCYJNEJ CIĄGNIKÓW ROLNICZYCH WYKORZYSTUJĄCA SZTUCZNE SIECI NEURONOWE. CZ. III: PRZYKŁADY ZASTOSOWANIA METODY Sławomir Francik
Bardziej szczegółowoWstęp do Techniki Cyfrowej... Teoria automatów
Wstęp do Techniki Cyfrowej... Teoria automatów Alfabety i litery Układ logiczny opisywany jest przez wektory, których wartości reprezentowane są przez ciągi kombinacji zerojedynkowych. Zwiększenie stopnia
Bardziej szczegółowoANALiZA WPŁYWU PARAMETRÓW SAMOLOTU NA POZiOM HAŁASU MiERZONEGO WEDŁUG PRZEPiSÓW FAR 36 APPENDiX G
PRACE instytutu LOTNiCTWA 221, s. 115 120, Warszawa 2011 ANALiZA WPŁYWU PARAMETRÓW SAMOLOTU NA POZiOM HAŁASU MiERZONEGO WEDŁUG PRZEPiSÓW FAR 36 APPENDiX G i ROZDZiAŁU 10 ZAŁOżEń16 KONWENCJi icao PIotr
Bardziej szczegółowoAdrian Jakowiuk, Bronisław Machaj, Jan Pieńkos, Edward Świstowski
BEZPRZEWODOWE SIECI MONITORINGU Z RADIOIZOTOPOWYMI CZUJNIKAMI ZAPYLENIA POWIETRZA AMIZ 2004G Adrian Jakowiuk, Bronisław Machaj, Jan Pieńkos, Edward Świstowski Instytut Chemii i Techniki Jądrowej a_jakowiuk@ichtj.waw.pl
Bardziej szczegółowoInformacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów
Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie
Bardziej szczegółowoPrognoza jakości powietrza na obszarze pogranicza polsko-czeskiego dla rejonu Śląska i Moraw
Prognoza jakości powietrza na obszarze pogranicza polsko-czeskiego dla rejonu Śląska i Moraw Ewa Krajny, Leszek Ośródka, Marek Wojtylak Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy
Bardziej szczegółowoWPŁYW TEMPERATURY W POMIESZCZENIACH POMOCNICZYCH NA BILANS CIEPŁA W BUDYNKACH DLA BYDŁA
Inżynieria Rolnicza 8(96)/2007 WPŁYW TEMPERATURY W POMIESZCZENIACH POMOCNICZYCH NA BILANS CIEPŁA W BUDYNKACH DLA BYDŁA Tadeusz Głuski Katedra Melioracji i Budownictwa Rolniczego, Akademia Rolnicza w Lublinie
Bardziej szczegółowoEwelina Henek, Agnieszka Wypych, Zbigniew Ustrnul. Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy (IMGW-PIB)
Ewelina Henek, Agnieszka Wypych, Zbigniew Ustrnul Instytut Meteorologii i Gospodarki Wodnej Państwowy Instytut Badawczy (IMGW-PIB) IT SYSTEM GŁÓWNE KOMPONENTY SYSTEMU ISOK: Dane LIDAR (4- punktów/m ; >00
Bardziej szczegółowoKlimat w Polsce w 21. wieku
Klimat w Polsce w 21. wieku na podstawie numerycznych symulacji regionalnych Małgorzata Liszewska Interdyscyplinarne Centrum Modelowania Matematycznego i Komputerowego UNIWERSYTET WARSZAWSKI 1/42 POGODA
Bardziej szczegółowoSPITSBERGEN HORNSUND
Polska Stacja Polarna Instytut Geofizyki Polska Akademia Nauk Polish Polar Station Institute of Geophysics Polish Academy of Sciences BIULETYN METEOROLOGICZNY METEOROLOGICAL BULLETIN SPITSBERGEN HORNSUND
Bardziej szczegółowoSymulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych
XXXVIII MIĘDZYUCZELNIANIA KONFERENCJA METROLOGÓW MKM 06 Warszawa Białobrzegi, 4-6 września 2006 r. Symulacja sygnału czujnika z wyjściem częstotliwościowym w stanach dynamicznych Eligiusz PAWŁOWSKI Politechnika
Bardziej szczegółowoSTANOWISKO NAUKOWO-BADAWCZE DLA MASZYNOWEGO DOJU KRÓW
Inżynieria Rolnicza 4(122)/2010 STANOWISKO NAUKOWO-BADAWCZE DLA MASZYNOWEGO DOJU KRÓW Henryk Juszka, Marcin Tomasik, Stanisław Lis Katedra Energetyki i Automatyzacji Procesów Rolniczych, Uniwersytet Rolniczy
Bardziej szczegółowoPodstawowe zagadnienia z zakresu baz danych
Podstawowe zagadnienia z zakresu baz danych Jednym z najważniejszych współczesnych zastosowań komputerów we wszelkich dziedzinach życia jest gromadzenie, wyszukiwanie i udostępnianie informacji. Specjalizowane
Bardziej szczegółowoBazy danych - wykład wstępny
Bazy danych - wykład wstępny Wykład: baza danych, modele, hierarchiczny, sieciowy, relacyjny, obiektowy, schemat logiczny, tabela, kwerenda, SQL, rekord, krotka, pole, atrybut, klucz podstawowy, relacja,
Bardziej szczegółowoKARTA PRZEDMIOTU. WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI Ogólne umiejętności posługiwania się komputerem
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Zał. nr 4 do ZW 33/01 KARTA PRZEDMIOTU Nazwa w języku polskim: Nazwa w języku angielskim: Kierunek studiów (jeśli dotyczy): Specjalność (jeśli dotyczy): Stopień studiów
Bardziej szczegółowoP o d s t a w y j ę z y k a S Q L
P o d s t a w y j ę z y k a S Q L Adam Cakudis IFP UAM Użytkownicy System informatyczny Aplikacja Aplikacja Aplikacja System bazy danych System zarządzania baz ą danych Schemat Baza danych K o n c e p
Bardziej szczegółowoWarunki termiczne Rolniczej Stacji Doświadczalnej w Zawadach Thermal conditions at the Experimental Farm in Zawady
Jacek RAK, Grzegorz KOC, Elżbieta RADZKA, Jolanta JANKOWSKA Pracownia Agrometeorologii i Podstaw Melioracji Akademia Podlaska w Siedlcach Department of Agrometeorology and Drainage Rudiments University
Bardziej szczegółowoWykład 2 Układ współrzędnych, system i układ odniesienia
Wykład 2 Układ współrzędnych, system i układ odniesienia Prof. dr hab. Adam Łyszkowicz Katedra Geodezji Szczegółowej UWM w Olsztynie adaml@uwm.edu.pl Heweliusza 12, pokój 04 Spis treści Układ współrzędnych
Bardziej szczegółowoSzybkość instynktu i rozsądek rozumu$
Szybkość instynktu i rozsądek rozumu$ zastosowania rozwiązań BigData$ Bartosz Dudziński" Architekt IT! Już nie tylko dokumenty Ilość Szybkość Różnorodność 12 terabajtów milionów Tweet-ów tworzonych codziennie
Bardziej szczegółowoInŜynieria Rolnicza 14/2005. Streszczenie
Michał Cupiał Katedra InŜynierii Rolniczej i Informatyki Akademia Rolnicza w Krakowie PROGRAM WSPOMAGAJĄCY NAWOśENIE MINERALNE NAWOZY 2 Streszczenie Przedstawiono program Nawozy 2 wspomagający nawoŝenie
Bardziej szczegółowoZdalny dostęp do Statystycznych Baz Danych a bezpieczeństwo danych jednostkowych.
Zdalny dostęp do Statystycznych Baz Danych a bezpieczeństwo danych jednostkowych. Przegląd zastosowanych rozwiązań urzędów statystycznych na świecie. mgr inż. Jarosław Butanowicz mgr inż. Łukasz Ślęzak
Bardziej szczegółowoOCENA FUNKCJONOWANIA PRZEDSIĘBIORSTWA W OBSZARZE BEZPIECZEŃSTWA I HIGIENY PRACY Z WYKORZYSTANIEM WSKAŹNIKÓW WYNIKOWYCH I WIODĄCYCH
OCENA FUNKCJONOWANIA PRZEDSIĘBIORSTWA W OBSZARZE BEZPIECZEŃSTWA I HIGIENY PRACY Z WYKORZYSTANIEM WSKAŹNIKÓW WYNIKOWYCH I WIODĄCYCH MATERIAŁY INFORMACYJNE 1 WRZESIEŃ 2013 R. SPIS TREŚCI Na czym polega pomiar
Bardziej szczegółowoBilansowanie stacji SN/nN w PGE Dystrybucja SA. Wojciech Rutkowski
Bilansowanie stacji SN/nN w PGE Dystrybucja SA Wojciech Rutkowski 2 AGENDA Koncepcja bilansowania stacji zaimplementowana w AC AMI Planowanie i definiowanie zadań obliczeń bilansów i prezentacja wyników
Bardziej szczegółowoInstytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny technologiczny Politechnika Śląska
Instytut Mechaniki i Inżynierii Obliczeniowej www.imio.polsl.pl fb.com/imiopolsl @imiopolsl Wydział Mechaniczny technologiczny Politechnika Śląska Laboratorium 3 (Tworzenie bazy danych z użyciem UML, proste
Bardziej szczegółowoModele ochrony zbóż jako element integrowanej produkcji
Anna Nieróbca Zakład Agrometeorologii i Zastosowań Informatyki Instytut Uprawy Nawożenia i Gleboznawstwa Państwowy Instytut Badawczy Modele ochrony zbóż jako element integrowanej produkcji Bratoszewice
Bardziej szczegółowoInżynieria Rolnicza 5(114)/2009
Inżynieria Rolnicza 5(114)/2009 MODELE ROZMYTE ZAPOTRZEBOWANIA NA MOC DLA POTRZEB KRÓTKOTERMINOWEGO PROGNOZOWANIA ZUŻYCIA ENERGII ELEKTRYCZNEJ NA WSI CZĘŚĆ I. ALGORYTMY WYZNACZANIA MODELI ROZMYTYCH Jerzy
Bardziej szczegółowoAutomatyka i sterowania
Automatyka i sterowania Układy regulacji Regulacja i sterowanie Przykłady regulacji i sterowania Funkcje realizowane przez automatykę: regulacja sterowanie zabezpieczenie optymalizacja Automatyka i sterowanie
Bardziej szczegółowoProgramy serwisowe na nowej stronie WWW instrukcja obsługi
Programy serwisowe na nowej stronie WWW instrukcja obsługi Spis treści 1. Współrzędne geometryczne... 3 2. Lista pomiarów na stronie WWW... 6 PomID lista stacji z pomiarem... 8 Dodawanie pomiaru... 9 Usuwanie
Bardziej szczegółowoWprowadzenie do BD Operacje na bazie i tabelach Co poza zapytaniami? Algebra relacji. Bazy Danych i Systemy informacyjne Wykład 2.
Bazy Danych i Systemy informacyjne Wykład 2 Piotr Syga 16.10.2017 Dodawanie, usuwanie i zmienianie rekordów Wstawianie rekordu wstawianie do tabeli INSERT INTO A VALUES ( fioletowy, okrągły, słodko-kwaśny
Bardziej szczegółowo1. Zarządzanie informacją w programie Access
1. Zarządzanie informacją w programie Access a. 1. Cele lekcji i. a) Wiadomości Uczeń: zna definicję bazy danych i jej zadania, zna pojęcia: rekord, pole, klucz podstawowy, zna obiekty bazy danych: tabele,
Bardziej szczegółowo